[论文解读] Privacy by design in big data: An overview of privacy enhancing technologies in the era of big data analytics

Giuseppe D’Acquisto, Josep Domingo‐Ferrer+4 more|arXiv (Cornell University)|Dec 18, 2015

Privacy-Preserving Technologies in Data参考文献 3被引用 83

一句话总结

本文倡导在大数据分析中实施'隐私优先设计'，提出一个框架，将隐私增强技术（PETs）贯穿数据生命周期进行整合。通过评估数据匿名化、加密计算、访问控制以及数据溯源等技术，实现在不损害可用性或性能的前提下，实现安全、隐私保护的大数据分析。

ABSTRACT

The extensive collection and processing of personal information in big data analytics has given rise to serious privacy concerns, related to wide scale electronic surveillance, profiling, and disclosure of private data. To reap the benefits of analytics without invading the individuals' private sphere, it is essential to draw the limits of big data processing and integrate data protection safeguards in the analytics value chain. ENISA, with the current report, supports this approach and the position that the challenges of technology (for big data) should be addressed by the opportunities of technology (for privacy). We first explain the need to shift from "big data versus privacy" to "big data with privacy". In this respect, the concept of privacy by design is key to identify the privacy requirements early in the big data analytics value chain and in subsequently implementing the necessary technical and organizational measures. After an analysis of the proposed privacy by design strategies in the different phases of the big data value chain, we review privacy enhancing technologies of special interest for the current and future big data landscape. In particular, we discuss anonymization, the "traditional" analytics technique, the emerging area of encrypted search and privacy preserving computations, granular access control mechanisms, policy enforcement and accountability, as well as data provenance issues. Moreover, new transparency and access tools in big data are explored, together with techniques for user empowerment and control. Achieving "big data with privacy" is no easy task and a lot of research and implementation is still needed. Yet, it remains a possible task, as long as all the involved stakeholders take the necessary steps to integrate privacy and data protection safeguards in the heart of big data, by design and by default.

研究动机与目标

• 应对大规模数据收集与处理带来的日益增长的隐私担忧。
• 通过主动集成隐私保护机制，将'大数据与隐私对立'的范式转变为'带隐私的大数据'。
• 识别并实施贯穿大数据价值链的技术与组织措施以保护隐私。
• 评估新兴隐私增强技术（PETs）在现代大数据系统中的适用性。
• 在大数据处理流程中促进问责制、透明度与用户控制。

提出的方法

• 采用隐私优先设计原则，在大数据分析生命周期早期即嵌入隐私保护机制。
• 调研并分析关键的PETs，包括k-匿名、l-多样性与t-接近度，用于数据匿名化。
• 研究隐私保护计算技术，如同态加密与安全多方计算。
• 评估加密搜索与可搜索加密技术，以实现在加密数据上执行计算。
• 将基于角色与基于属性的访问控制机制与策略强制机制结合，实现细粒度的数据治理。
• 解决数据溯源与可审计性问题，以确保数据处理工作流中的问责制与可追溯性。

实验结果

研究问题

• RQ1 如何从设计之初系统性地将隐私整合到大数据分析中？
• RQ2 在大数据价值链中，哪些技术和组织措施最有效以缓解隐私风险？
• RQ3 现有隐私增强技术（PETs）在多大程度上可适配现代大数据工作负载？
• RQ4 如何在大规模数据处理系统中实现用户控制、透明度与问责制？
• RQ5 在大数据分析中，数据可用性与隐私保护之间存在哪些权衡？

主要发现

• 隐私优先设计对于预防大数据系统中的隐私违规至关重要，必须默认且从设计之初即实施。
• k-匿名与l-多样性等匿名化技术依然相关，但需仔细调优以平衡数据可用性与隐私保护。
• 加密计算与可搜索加密技术可在不解密数据的情况下处理敏感信息，但性能开销仍是主要挑战。
• 细粒度的访问控制与策略强制机制对于实施数据治理、减少未授权访问至关重要。
• 数据溯源与审计日志可增强问责制，并支持符合隐私法规。
• 用户赋权工具（如数据访问请求与透明度仪表板）在技术上可行且对建立大数据系统中的信任至关重要。